基于三维点云的灌浆后期玉米植株形态变化研究

快速、准确地获取玉米三维数据是玉米形态结构和功能分析研究的基础。然而,玉米单株和群体原位数据获取存在田间气流稳定性差、器官交叉遮挡严重、高温高湿环境不利于仪器连续工作等问题。因此,采用破坏性取样的方法研究玉米植株的形态变化过程,对玉米植株形态结构数据获取方式的确定具有重要意义。利用三维扫描仪对灌浆后期的两个氮肥处理玉米植株进行不同扫描时间的三维点云数据获取,并通过点云数据分析各叶片的形态变化过程。试验结果表明：从田间原位到室内可控环境下,在取样后2 h以内,玉米植株的形态变化最小,与田间原位的形态结构最为接近。上述结果为玉米植株破坏性取样提供理论依据,也为玉米结构功能模型研究提供数据获取技术支持。     

玉米穗粒重与果穗三维几何特征关系的定量研究

【目的】从穗粒重与果穗三维几何关系的角度探索籽粒产量的制约因素,寻找进一步提高玉米产量的途径。【方法】利用图像处理技术采集了10个品种的果穗几何特征,分析了穗粒重对果穗几何特征组合的回归,以及穗粒重与穗大小特征的相关性。矩形度定义为果穗面积占其外接矩形面积的比例,分别与穗长+穗粗、穗面积、穗体积组合建立回归方程。【结果】上述3种组合方程,分别解释了品种间籽粒产量总变异的77.7%、70%和78.7%,矩形度的贡献大于或者约等于穗大小几何特征。同样结构的回归方程在矫正品种产量后,解释了环境间籽粒产量总变异的81.3%—82.0%,矩形度的贡献小于穗大小几何特征。穗大小对籽粒产量的简单决定系数为:在品种间,三种维数的大小特征都不显著;在环境间,穗长、穗粗、穗面积、穗体积分别为0.387、0.167、0.590、0.571。【结论】穗大小单一特征的重要性次序为:穗体积穗面积穗长、穗粗,穗矩形度是反映穗形态的一个重要性状,与穗大小特征相组合,能够高精度预测穗粒重。     

基于点云数据的植物叶片三维重建

叶片是植物最重要的器官之一,为构建植物叶片的高精度几何模型,提出了一种基于三维点云数据的植物叶片几何建模方法。针对植物叶片形态特征,选定最适三维扫描仪进行叶片点云数据获取,通过点云的配准、简化及去噪等操作得到高质量叶片点云数据,在此基础上进行叶片网格生成与网格优化,最终得到高精度植物叶片网格模型。利用该方法分别对黄瓜、玉米和两个品种的葡萄叶片进行几何建模,结果表明,所构建的叶片模型能够较好地保持叶片形态特征,且较以前的方法在精确度和真实感方面有了较大的提高。该研究对于推动数字植物几何建模及进一步基于几何模型的可视化计算具有重要意义。     

基于果穗图像的玉米品种分类识别

优良品种对提高农业产量和收入起着关键作用,针对现有的种业安全问题,为实现玉米品种的快速识别和保护,构建一种基于玉米果穗图像的品种识别模型。将采集到的1 000张玉米果穗图像经预处理后按7∶2∶1的比例划分为训练集、验证集和测试集,并对数据集进行平移、翻转等多种数据增强处理。通过迁移学习,将预训练好的权重和参数迁移到NASNet-mobile、Xception、ResNet50V2、MobileNetV2、DenseNet121、VGG16模型进行对比,结果表明,NASNet-mobile识别性能较好,识别率达90%。不同优化算法的对比表明,优化器选择Adam模型具有更好的表现。在此基础上,对多种全连接层模块进行试验,结果表明,全连接层数量为2层、维度为256时可以得到更好的玉米果穗图像特征,最终模型在全连接层模块下的识别准确率达95%,较NASNet-mobile提升5%,实现了对玉米品种的分类识别。以上结果为玉米品种的快速精准鉴定以及种质资源保护提供了智能化技术支持。     

基于MATLAB的玉米果穗颗粒统计方法

颗粒统计与自动识别检测在现代农业中发挥关键作用,玉米果穗品质好坏与颗粒多少呈正相关。计算机技术特别是图像技术在玉米果穗中的应用多样化趋势明显,采用图像分割技术对玉米果穗进行颗粒统计能实现快速对玉米特征进行识别。由于玉米果穗颗粒之间往往存在粘连现象,采用传统分水岭分割方法对玉米果穗进行分割就会导致不能对粘连区域实现良好分割。而改进的分水岭分割算法,引入扩展极大值变换,既能避免过分割现象,又能实现对粘连区域的正确分割,本研究利用MATLAB对玉米果穗图像进行转换、灰度化、滤波降噪、区域增强等一系列处理后,采用改进的分水岭分割算法,准确实现玉米果穗颗粒统计。     

玉米籽粒含水量与果穗性状相关性的研究

1983～1986年通过对不同熟期600余份试验材料,测定玉米成熟期籽粒含水量,研究分析果穗性状与籽粒含水量的关系,得出在黑龙江省自然气候条件下,选育产量高、含水量低的杂交种,必须是穗轴细、穗粗适中、籽偏硬或中间型、长籽粒、出籽率高、单穗粒重和百粒重高的杂交种。     

基于组态王的玉米果穗烘干监控系统设计

为充分保证种子烘干质量和发芽率,避免种子烘干效率低、人为操作失误等问题,采用研华ADAM4000系列数据采集模块,设计了基于组态王6.53的玉米果穗烘干监控系统,实现了对影响玉米果穗烘干质量的温度、压力数据的采集、处理和监控。在工控机上使用组态王实现了对数据分析处理、故障报警等功能,为提高果穗烘干质量提供了技术保障。应用情况表明,系统运行稳定可靠,人机界面友好,能够满足监控系统实时性、可靠性的要求。     

基于MATLAB的玉米果穗图像轮廓提取

计算机视觉在玉米果穗中的应用主要是对外观质量进行评定,本文利用MATLAB对采集系统传来的玉米果穗图像进行转换、灰度化、滤波降噪、区域增强等一系列处理后,选用Log算子提取出玉米果穗轮廓,效果良好,为后续的考种数据测量做准备。     

5HG系列玉米果穗烘干室

5HG系列玉米果穗烘干室主要用于烘干玉米果穗、玉米子粒、小麦等种子,也可兼顾玉米商品粮的烘干.这种烘干室具有干燥均匀、效率高、设备简单、使用可靠、维护保养方便等特点.     

玉米果穗完整率在品种评价中的应用

玉米产量与群体中个体果穗均匀程度关系密切。提出玉米果穗完整率是对一般描述“果穗均匀”性状的1种数值表达,实现以量化的方法评价个体在群体中的协调稳定性。测定了13个玉米品种的果穗完整率,并以此为根据,对品种进行了评价。结果表明：在6万株／hm2种植密度下,13个玉米品种的果穗完整率变幅在71．6％～91．0％;单穗粒重达到205g以上、果穗完整率达到76％以上的品种,容易实现12000．0kg／hm。以上的产量目标。单穗粒重最高（252．9g）、果穗完整率最高（91％）的品种,实现了最高产量15007．5kg／hm2。高产品种须具备高的果穗完整率。     

基于三维模型体积的奶牛体重预估

针对奶牛的体重预估精度和自动化程度较低的问题,本文以荷斯坦奶牛为研究对象,提出1种基于奶牛点云构建三维模型进行体重预估的方法。首先,利用Kinect相机提取奶牛的俯视与侧视点云。其次,通过计算头颈部与背部脊线的点云拟合直线夹角,自动筛选出适宜三维重建的标准姿态点云。再次,利用缺失点云的相邻点云补全缺失区域后,提取配准特征点,利用特征点进行点云的配准。最后,基于背部脊线构建对称面实现点云镜像,完成奶牛点云三维重建,最终根据三维模型体积预估奶牛体重。通过对91头奶牛进行的体重预估实验分析,结果表明：体重预估绝对误差在-19.23~+20.04 kg之间,相对误差在-2.96%~+2.90%之间。本文方法实现了较精准的奶牛体重自动预估,可为奶牛精准养殖提供技术支持。     

基于激光雷达扫描的料仓原料储料量测量方法

为提高仓内原料储料量测量自动化和智能化水平,设计了一种基于二维激光雷达扫描的储料量测量装置与系统。本系统采用RPLIDAR S1型二维激光雷达扫描获取不同储料量物料的原始点云数据,通过坐标变换、重叠点提取、滤波、分割等方法对原始点云进行预处理,采用贪婪投影三角化算法将预处理后的点云进行三维重建,获得仓内原料的三维模型,结合物料三维模型和物料的容重获得仓内原料的储料量,从而实现储料量的自动测量。以玉米为试验对象,测量小型储料塔内玉米储料量并对玉米不同储料量进行扫描测量,验证模型的准确性,结果显示：测量结果的平均绝对误差为8.05 kg,平均相对误差为1.52%。研究结果表明,基于二维激光雷达扫描的储料量测量方法是可行的,具有较好的稳定性和测量精度,能够满足实际生产需求。     

散乱点云分割技术研究与实现

点云分割是根据空间、几何和纹理等特征对点云进行划分,使得同一划分内的点云具有相似的特征。首先对获取的散乱点云数据进行去噪、填补空洞和畸变等预处理,然后计算最小包围立方体分割点云空间并构建八叉树加速邻域点的搜索,为每个点构造最小二乘邻域,分析散乱点云数据的高斯曲率和平均曲率,再通过区域生长法得到低噪声的精确分块,自适应、智能化地对点云进行分块。经实验验证,该方法可以获得较好的分割效果。     

面向作物表型分析的大豆植株叶片语义重建

为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法：首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视图数据进行立体重建融合学习,实现大豆植株叶片二维语义到三维叶片点云迁移,获得植株叶片点云语义信息,进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证,提取叶长和叶宽与人工实测数据进行对比分析,叶长和叶宽均方误差分别为2.53和1.52 mm,决定系数分别为0.97和0.89。结果表明,该方法能够便捷、精准地构建植株叶片三维语义模型。     

基于机载LiDAR数据的玉米叶面积指数反演

以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。     

基于激光点云数据的复杂植物叶片重建方法

植物叶片是植物最重要的器官之一,重建高精度的复杂叶片模型对于后续研究具有重要意义。但由于现实中复杂叶片的点云数据存在噪声、孔洞等问题,所以不易重建出高精度的叶片模型。基于激光点云数据的复杂植物叶片重建方法,该方法首先对原始点云数据进行去噪处理,然后采用三角剖分方法生成网格,再对网格进行优化处理,最后对存在孔洞的地方进行修补。结果表明,本方法能够根据激光点云数据快速重建出复杂植物叶片的高精度模型。     

玉米穗库发育的不同步性与内源激素作用的研究

以半多育型杂交种农大高光效1号和单育型杂交种农大0638为材料,研究了玉米不同库在穗分化进程,穗生长、内源激素等方面的差异。结果表明,2种育型玉米穗库间的生长发育均匀存在着不同步性,尤其在性 官分化起始时间和持续时间上优势穗库和弱势穗库存在着明显的差异,无论单育型或多育型玉米第1果穗进入该期的时间早、,且持续时间长,在穗长、穗鲜重、穗体积的增长上,单育型杂交种第1果穗比第2、第3果穗也具有明显的优势,而半多育型品种各穗库间在穗分化阶段这3个指标上虽有差异,但差异均小于单育型杂交种。研究还表明IAA,GA3和ABA在库位优势穗库发育的不同步性中起着重要的调节作用,在穗库生长发育进程中优势穗库IAA`GA3捻明显高于势穗库,而ABA含量的变化正好与此相反应激素间的平衡在穗库发育中起着重要的调节作用,优势穗库具有较高的IAA／ABA和GA3／ABA值。由此认为,玉米穗库间竞争能力的大小或最终能否成穗与其穗分化阶段所奠定的生长发育基础的内源激素水平（尤其是IAA）及内源激素平衡有关。     

玉米穗粗的遗传研究

以 4个自选系和 3个常用自交系为母本 ,Mo17等 4个骨干系为父本做 7× 4格子方杂交 ,采用增广NCⅡ设计 ,对玉米穗粗的遗传进行了研究。结果表明 :2 8个杂种F1均有不同程度正向优势 ,以Mo17作父本的优势最高 ;2种配合力显著存在 ,且一般配合力达到极显著水平。遗传模型测验结果表明 :穗粗的遗传符合加性 -显性模型 ;增效、减效基因在雌亲、雄亲间的分配无明显差异。穗粗的遗传为超显性遗传 ,且显性基因为增效基因     

玉米穗部性状遗传分析

以两组PA 种质改良系J1255、J1401 与S122 杂交所形成的6 个世代为试验材料,采用郭平仲提出的世 代平均数分析方法对玉米穗长、穗粗、籽粒长、百粒重、穗粒重进行了遗传分析。结果表明;玉米穗长与百粒重的遗传 受基因的加性效应为主,显性效应次之;穗粗、籽粒长和穗粒重的遗传受基因的显性效应作用为主,加性效应次之; 上位性效应明显存在于穗部各性状的世代遗传变异中,其中,对于百粒重的遗传变异,上位性效应明显大于显性效 应,并以加性伊加性的上位性互作为主。